JStorm企业级流式计算引擎
JStorm 是参考 Apache Storm 实现的实时流式计算框架，在网络IO、线程模型、资源调度、可用性及稳定性上做了持续改进，已被越来越多企业使用。JStorm 可以看作是 storm 的java增强版本，除了内核用纯java实现外，还包括了thrift、python、facet ui。从架构上看，其本质是一个基于zk的分布式调度系统
JStorm 的性能是Apache Storm 的4倍， 可以自由切换行模式或 mini-batch 模式：
Jstorm主要应用场景有：
-
信息流处理，如聚合、分析等
-
持续计算，如实时数据统计、监控
-
分布式rpc调用
Jstorm在内核上对storm的改进有：
-
模型简化
-
多维度资源调度
-
网络通信层改造
-
采样重构
-
worker/task内部异步化处理
-
classload、HA
模型简化将storm的三层管理模型简化为两层
jstorm中task直接对应了线程概念，而在storm中是task只是线程executor的一个执行逻辑单元
多维度资源调度 分为cpu、memory、net、disk四个维度，默认情况下：
cpu slots = 机器核数 * 2 -1
memory slots = 机器物理内存 / 1024M
net slots = min(cpu slots, memory slots)
网络通信层 采用了netty + disruptor 替换 zmq + blockingQueue
采样重构
-
定义了滚动时间窗口
-
优化缓存map性能
-
增量采样时间以及减少无谓数据
Worker/Task内部异步化
异步化和回调是流式框架最基本的两大特征，Jstorm在task的计算中将nextTuple和ack/fail的逻辑分离开来，并在worker中采用单独线程负责流入、流出数据的反序列化及序列化工作
有关jstorm实现的几个关键流程，有兴趣的可以参考源码
1.Nimbus的启动
2.supervisor的启动
3. worker内部结构
worker的启动需要完成以下几件事：
-
读取配置文件，启动进程
-
初始化tuple接收队列和发送队列
-
打开端口，启动rpc服务
-
创建context结构，<component, <stream, output_field>>
-
触发各种timer,refresh/reconnection/heartbeat...
task的工作包括：
-
创建内部队列，bind connection
-
反射component拿到taskObj，创建具体的spout/bolt executor
-
反序列化tuple数据，执行处理逻辑
-
做stats，heartbeat等
jstorm在数据的完整性和准确性上分别依赖了acker和事务机制
acker本质是独立的bolt，input是fieldGrouping，output是directGrouping；
每个bolt有两个output stream(ACKER_ACK_STREAM_ID/ACKER_ACK_FAIL_STREAM_ID)
每个spout有一个output stream(ACKER_INIT_STREAM_ID),以及两个input stream(ACKER_ACK_STREAM_ID/ACKER_ACK_FAIL_STREAM_ID)
Spout
发送给acker 的value <rootid, xor(target_task_list)>
发送下一级bolt 的value <rootid, 目标taskid>
Bolt
下一级bolt需要ack发送给下一级bolt 为<rootid, 新uuid)>发送给acker的value为<rootid, xor(新uuid, $(接收值))>
下一级bolt不需要ack发送给下一级bolt 为空发送给acker为<rootid, $(接收值)>
事务：批处理+全局唯一递增id+两阶段提交
在发送tuple的时候带上tid来保证“只有一次”的原语，下游逻辑根据tid是否next tid来判断是否需要处理。为了提高效率，会将多个tuple组装成一批赋予一个tid，并用pipeline方式执行processing和commit阶段，其中processing可以并发执行，而commit具有严格的强顺序性。接口coordinator，commitor中做了状态管理、事务协调、错误检查等工作
另外一个用得最多的高级特性就是trident，它对bolt进行了封装，提供了如joins、aggregations、grouping、filters、function等多种高级数据处理能力
最后，谈谈有关jstorm的运维开发
（1）配置优先级：代码 > jstorm.yaml > default.yaml
（2）stream流对比：
a.fieldsGrouping
b.globalGrouping - target componet的第一个task
c.shuffleGrouping - 自定义random，更平均
d.noneGrouping - 调用random
e.allGrouping - target component所有task
f.directGrouping - 指定目标task
g.customGrouping - 接口customStreamGrouping
（3）jvm调优，优先考虑新生代，开启碎片整理
（4）同一worker内的task，开启定向调度避免网络开销
（5）优雅关闭，reblance或kill前先deactive，等待msg_timeout进行数据清理
（6）其它，hooks、queue-size、topology.max.spout.pending等